Artificial Intelligence

Agenci AI są teraz infrastrukturą: jak naprawdę wygląda budowanie z ich pomocą w 2026 roku

By Anurag Verma•June 3, 2026

Agenci AI są teraz infrastrukturą: jak naprawdę wygląda budowanie z nimi w 2026 roku

Moment, który uzmysłowił mi tę zmianę, nastąpił podczas lektury wyników Salesforce za czwarty kwartał roku fiskalnego 2026 w lutym. Agentforce osiągnął $800 milionów ARR, wzrost o 169% rok do roku, a kadra zarządzająca firmy nieustannie używała sformułowania, które osiemnaście miesięcy wcześniej brzmiałoby jak marketingowy frazes: "agentic work units". Zalogowali 2,4 miliarda takich jednostek. Nie chodzi tu o uzupełnienia czatu. Chodzi o ukończone zadania: sprawa wsparcia rozwiązana bez udziału człowieka, rekord sprzedaży zaktualizowany po rozmowie telefonicznej, przepływ pracy onboardingowej uruchomiony bez zgłoszenia. W tym momencie debata o tym, czy agenci AI mają znaczenie w przedsiębiorstwie, dobiegła końca.

To, co się nie skończyło, to próba ustalenia, jak budować je i eksploatować w sposób odpowiedzialny.

Gdzie faktycznie stoi rynek

Globalny rynek agentów AI wynosi w 2026 roku około 10,9 miliarda dolarów, w porównaniu do 7,6 miliarda w 2025 roku, rosnąc w tempie 44% CAGR. Te liczby mniej mnie obchodzą niż leżący u ich podstaw wskaźnik adopcji: 40% aplikacji korporacyjnych zawiera teraz możliwości agentowe, w porównaniu z mniej niż 5% zaledwie rok wcześniej. Coś przekroczyło pewien próg.

Historia infrastruktury jest jeszcze bardziej wymowna. Model Context Protocol firmy Anthropic, który zadebiutował pod koniec 2024 roku, notuje teraz 97 milionów miesięcznych pobrań SDK i ma ponad 10 000 aktywnych serwerów produkcyjnych. W grudniu 2025 roku Google przyjął MCP w swoich własnych usługach. Do kwietnia 2026 roku firmy z listy Fortune 500 uruchamiały go na produkcji. Szesnaście miesięcy od projektu badawczego do korporacyjnego fundamentu. To jest szybkie.

Linux Foundation sformalizowała to pod koniec 2025 roku, powołując Agentic AI Foundation (AAIF), skupiając MCP, AGENTS.md OpenAI oraz goose firmy Block pod jednym parasolem organizacyjnym. Do członków platynowych należą Amazon, Anthropic, Google, Microsoft i OpenAI. Kiedy twoi najzacieklejsi konkurenci współfinansują to samo ciało standaryzacyjne, warstwa protokołów jest już ustalona.

Gdzie Pasują Agenty Kodujące

Inżynieria oprogramowania pochłonęła mniej więcej połowę wczesnych wdrożeń agentycznych i rozumiem dlaczego. Pętla informacji zwrotnej jest zwarta i mierzalna. Cursor podobno przekroczył 1 miliard dolarów ARR i osiągnął wycenę 29,3 miliarda dolarów w ciągu ostatniego roku, rosnąc z 100 milionów dolarów ARR w zaledwie dwanaście miesięcy. GitHub Copilot, Claude Code, Windsurf i Devin konkurują na rynku, który w obecnej formie nie istniał dwa lata temu.

Zmiana architektury to element, który naprawdę zasługuje na uwagę. Narzędzia te nie są już nakładkami na autouzupełnianie. Utrzymują stan przez całą sesję z bazą kodu, otwierają pull requesty, uruchamiają testy, czytają wyniki błędów i próbują ponownie. Operator OpenAI osiąga 87% w testach złożonych zadań przeglądarkowych. AGENTS.md, wydany w sierpniu 2025 roku, został już przyjęty przez ponad 60 000 repozytoriów open source jako standardowy sposób opisywania kontekstu repozytorium dla agentów. Powierzchnia kodowania to najbardziej dojrzały poligon doświadczalny, jaki mamy teraz do dyspozycji.

Na co dzień używam Claude Code na bazie kodu Next.js tego bloga i różnica w produktywności jest realna, nie tylko marketingowa. Ale wiem też dokładnie, czego nie potrafi: utrzymać spójnego zamiaru przez wiele wywołań narzędzi, gdy coś pójdzie nie tak, ani rozumować o skutkach ubocznych dwa kroki naprzód. Ta luka to prawdziwy problem inżynierski.

Czego Nikt Nie Mówi Wystarczająco Głośno

Oto niekomfortowa statystyka: tylko 11 do 14% pilotażowych projektów korporacyjnych agentów AI osiągnęło produkcyjną skalę do marca 2026 roku. Przyczyną porażki prawie nigdy nie jest model. Problem leży w warstwie orkiestracji. Niespójność kontekstu w punktach przekazywania, agenty wpadające w pętle zwrotne, które w ciągu minut pochłaniają budżety API, błędy koordynacji eskalujące do awarii całego systemu. W produkcyjnych systemach wieloagentowych wskaźnik awarii pojedynczego agenta wynosi 5 do 15%, a bez odpowiedniego mechanizmu przerwania jedna awaria się propaguje.

Bezpieczeństwo to drugi nierozwiązany problem. Ataki typu prompt injection wzrosły o 340% rok do roku i pozostają czołową kategorią naruszeń bezpieczeństwa agentowej AI w 2026 roku według raportu OWASP LLM Security Report. Szczególnie groźna jest odmiana pośrednia: złośliwa instrukcja ukryta w dokumencie odczytywanym przez agenta, uruchamiająca realne działania (zapytania do baz danych, wywołania API, zapis plików), których operatorzy nigdy się nie spodziewają. Microsoft, Google i GitHub mieli już przypadki exploitów w systemach produkcyjnych działających w ten sposób. Dwadzieścia dziewięć procent organizacji planujących wdrożenia agentowe twierdzi, że jest przygotowanych na ich zabezpieczenie. Pozostałe siedemdziesiąt jeden procent wdraża mimo to.

Osiemdziesiąt procent organizacji wdrażających agenty nie posiada dojrzałego modelu zarządzania pozwalającego zarządzać nimi na skalę. Ta liczba musi spadać szybciej, niż rośnie tempo adopcji.

Jak Wygląda Dobra Architektura Teraz

Zespoły, które szanuję, nie budują monolitycznych agentów. Budują sieci wąskich, audytowalnych agentów z wyraźnymi kontraktami przekazania sterowania, deterministycznymi ścieżkami awaryjnymi i punktami kontrolnymi z udziałem człowieka przy każdej istotnej akcji. Mapa drogowa MCP na 2026 rok adresuje problem stanowych sesji, luki w uwierzytelnianiu korporacyjnym i narzędzia zarządzania, które ujawniły wdrożenia produkcyjne. To rozwiązane problemy inżynieryjne, gdy tylko zdecydujesz się je rozwiązać.

Protokół agent-do-agenta (A2A), który Google wyróżnił na Cloud Next 2026, jest kolejnym elementem układanki. Agenci muszą odkrywać innych agentów, uwierzytelniać się z nimi i delegować do nich zadania bez pośrednictwa człowieka. Ta infrastruktura jest właśnie budowana.

Moje własne podejście w projektach: traktuj przestrzeń akcji agenta jak granicę bezpieczeństwa, nie listę funkcji. Każde narzędzie, które agent może wywołać, to potencjalny zasięg szkód. Instrumentuj wszystko. Ustalaj wyraźne limity budżetu na każde uruchomienie. Buduj ewaluacje przed budowaniem funkcji.

Szerszy kontekst

Framing "agentów AI jako nowego systemu operacyjnego" był kierunkowo trafny, lecz przedwczesny w 2025 roku. To, co jest prawdziwsze w połowie 2026 roku, to fakt, że agenci stają się infrastrukturą w taki sam sposób, w jaki bazy danych i kolejki komunikatów stały się infrastrukturą: cicho, z dużą ilością bólu na wczesnym etapie, a potem nagle wszędzie. Międzynarodowy Raport o Bezpieczeństwie AI 2026 wskazuje na błędy koordynacji na dużą skalę jako główne ryzyko systemowe, a nie możliwości poszczególnych modeli.

Twórcy, którzy poradzą sobie w tym środowisku, to ci, którzy traktują niezawodność agentów, obserwowalność i bezpieczeństwo jako dyscypliny inżynieryjne pierwszej klasy, a nie jako kwestie drugorzędne. Ci, którzy uważają, że orkiestracja to czyjś inny problem, będą mieli ciężkie życie na produkcji.